专利交易市场

本实用新型涉及矿石技术领域，尤其涉及一种矿石分类收集装置，包括主箱体，主箱体内设有开口向上的导向腔，导向腔内壁上固定设有筛分机架，主箱体下侧设有支撑机架，支撑机架上端面固定设有前后对称且能伸缩运动的气动伸缩杆，气动伸缩杆上端面与主箱体固定连接，本实用新型的创新点是：通过前后对称的气动伸缩杆开始上下高频伸缩，进而带大小不同的矿石上下高频震动，进而通过筛分机架的分离与筛选，进而确保了大小不同的矿石进行精准且高效的分离，进一步更加适用于高强度的工作，本实用新型是通过内设有磁力的电磁铁启动，进而实现对于矿石内含有金属的矿物进行分离，进而无需后续的人工分离，进一步提高了工作的效率。

本实用新型公开了一种矿石色选机用非金属矿石除杂装置，其属于矿石除杂技术领域，包括壳体，所述壳体的上端开设有除杂槽，所述壳体的上端固定连接有U型支撑架；升降除杂机构，所述升降除杂机构包括安装在U型支撑架上端的两个伸缩杆，两个所述伸缩杆的伸缩端共同固定连接有支撑板，所述支撑板的上端安装有电机，所述支撑板的下方设置有除杂筒，所述除杂筒的侧壁和内底部上均开设有多个筛孔。该设备在针对除杂问题上，设置了升降除杂机构，通过控制两个毛刷辊以及多个三角型搅动条的转动，可对非金属矿石进行更全面的除杂，还设置了喷水机构，可对非金属矿石进行全面的冲洗除杂，进一步提高了除杂效果。

本发明涉及基于自适应阈值半监督的矿石分选方法和计算机存储介质。该方法包括将标注矿石样本输入网络模型以获得第一预测结果，丢弃大于标注自适应阈值α的所述第一预测结果，将剩余所述第一预测结果与其所属的真实标签求交叉熵损失；处理未标注矿石样本并输入网络模型以获得第一预测输出结果和第二预测输出结果；基于所述第一预设输出结果和所述第二预测输出结果得到KL散度损失，将所述交叉熵损失和所述KL散度损失相加进行反向传播，以优化所述网络模型；训练所述网络模型，然后基于训练好的所述网络模型进行矿石分选。本发明通过自适应阈值调整训练策略，实现少量标注样本下的模型训练效果接近监督学习。

本发明公开了一种弱矿斑矿石分选方法、装置、可读存储介质及设备，该方法包括：构建神经网络，所述神经网络至少包括分别前后分布的密集卷积模块以及分层注意力模块，所述密集卷积模块用于避免矿斑特征在训练过程当中消失，所述分层注意力模块用于将所述矿斑的局部特征与全局特征融合；对所述神经网络进行深度学习训练，以得到预训练好的矿石分选模型；获取待分选的矿石影像，并将所述待分选的矿石影像输入至预训练好的所述矿石分选模型得到最终的分选结果。本发明解决了现有技术中在进行矿石分选时准确性低的问题。

本发明涉及一种矿石分选清理领域，尤其涉及一种矿石高速分选清理装置。本发明的目的是提供一种提高工作效率的矿石高速分选清理装置。一种矿石高速分选清理装置，包括有连接外框、第一出料框、分选框、筛选板、第一弹簧、分散机构和清理机构，连接外框内底部左侧连接有第一出料框，连接外框左部滑动式连接有分选框，分选框顶部连接有用于分选矿石的筛选板，分选框前部与连接外框之间连接有两个第一弹簧，第一弹簧套在分选框上，筛选板右部设有用于分散矿石的分散机构，连接外框后部上侧设有用于清理矿石的清理机构。本发明通过清洗辊对矿石进行清理，通过筛选板对矿石进行分选，使得矿石的清理和分选在本装置中依次进行，从而提高了工作效率。